面向特定湍流扰动风场建立参数化的湍流模型, 对于研究大气扰动影响下的飞行动力学和飞行安全问题具有重要意义。基于民航飞机飞行数据, 提出了大气湍流参数化建模方法。首先, 基于原始飞行数据推算出沿航迹的三轴扰动风分量, 并采用高斯过程回归分离出扰动风中的非湍流分量, 经统计检验提取出符合平稳性和正态性的湍流成分;其次, 基于极大似然估计建立湍流频域模型, 基于自回归过程建立湍流时域模型。实际飞行数据的试验表明, 所建立的参数化湍流模型能够实现湍流风场的定制化建模, 可以进一步应用于飞行安全分析和飞行参数估计。
大气湍流 飞行数据 高斯过程回归 极大似然估计(MLE) 自回归模型 atmospheric turbulence flight data Gaussian process regression Maximum Likelihood Estimation (MLE) auto regression model
在定义玻璃熔窑单位吨玻璃液的天然气能耗参数时,将经典统计回归分析法与计量经济学的条件异方差自回归模型有机组合,创建融合式的动态模型。该模型大幅度提升了拟合精度和预测能力,为科学化管理能源体系奠定了良好的基础,并最终成为标准化模板,指导职责部门高效运作能源绩效,该模型可为后续其他能源问题确立参数、监控能耗过程和持续改进指标提供参考。
能耗参数 经典回归分析 条件异方差自回归模型 动态模型 能源绩效改进 energy indicators classical regression analysis ARCH dynamic model energy performance improvement
1 南京邮电大学 通信与信息工程学院,江苏 南京 210003
2 中国人民解放军 31006部队,北京 100840
目前提出的频谱占用模型能够在时域上描述和重现基本的统计特征,如传统的地面移动通信的频谱占用/空闲周期长度可以用经典的广义帕累托(GP)分布、指数分布等分布来拟合。然而在某些复杂的如卫星链路频谱占用场景中,传统的参数估计分布无法给出良好的拟合。为此提出了用核密度估计(KDE)的方法来进行概率密度分布的拟合,在此基础上,分别采用差分整合移动平均自回归模型(ARIMA)和模糊神经网络对频谱占用模型的时间序列进行预测并进行对比。结论表明,核密度估计的使用可以更加准确地描述并再现卫星下行链路所使用S频段的占用时间序列的统计特征,而模糊神经网络的预测比ARIMA模型预测更加精确。
频谱占用模型 概率密度分布 核密度估计 差分整合移动平均自回归模型预测 模糊神经网络预测 spectrum occupancy model probability density distribution kernel density estimation Auto Regressive Integrated Moving Average Model(AR fuzzy neural network prediction 太赫兹科学与电子信息学报
2020, 18(6): 984
1 中北大学计算机与控制工程学院, 山西 太原 030051
2 酒泉卫星发射中心, 甘肃 酒泉 735000
针对星空背景下卫星跟踪中运动小目标与伪目标交会造成的跟踪漂移问题,提出一种基于多域卷积神经网络(MDNet)与自回归(AR)模型的空中小目标自适应跟踪方法。 对用MDNet采集到的图像序列第1帧的正样本进行bounding-box回归模型训练;再训练用最小信息准则和最小二乘法确定阶数和参数的AR模型,估计目标运动轨迹并预测目标位置;最后,将该目标位置作为MDNet的采样中心,约束采样候选区域,用bounding-box回归模型调整目标位置。 实验用8种跟踪方法测试了8组场景复杂的视频序列,结果表明,本文方法的成功率及平均覆盖率均显著高于其他7种典型算法,具有较高的精确性和稳健性。
机器视觉 小目标跟踪 多域卷积神经网络 自回归模型 光学学报
2017, 37(12): 1215006
1 四川省高校校企联合“航空电子技术”应用技术创新基地, 成都 610100
2 成都航空职业技术学院, 成都 610100
3 西南科技大学 计算机学院, 四川 绵阳 621010
数字图像模糊滤波操作常用于美化润饰“伪造”图像。针对常用的均值滤波、空域高斯低通滤波与中值滤波, 提出了一种能同时检测上述3种操作的盲取证算法。首先将高频残差作为特征提取域, 然后分别基于二值局部模式LBP和自回归模型提取特征, 最后使用支持向量机构造模糊滤波检测器。实验结果表明, 所提算法能有效地检测模糊滤波操作, 对抗JPEG压缩的鲁棒性能较好。
数字图像取证 模糊滤波 局部二值模式 自回归模型 digital image forensics smoothing filtering local binary pattern autoregressive model
长期对等( P2P)系统中的搭便车行为使得系统渐渐失去了原来分布式共享的特点。为了抑制这种行为,提出了一种新的 P2P系统评价模型。该模型基于博弈论抑制模型和节点行为的激励模型的特点,对用户行为采用信誉值进行评价,信誉值的表征体现用户阶段性的表现,并采取一定的限制抑制自私节点的产生。将该模型内的各种激励机制进行数学建模,并利用自回归(AR)模型进行拟合。仿真结果表明,在该模型下,系统的评价呈周期性变化,满意度趋于平稳,在 30%左右。
博弈论 对等系统 自回归模型 用户行为 game theory Peer to Peer system Auto -Regressive model user behavior 太赫兹科学与电子信息学报
2015, 13(2): 308
1 天津大学 电子信息工程学院, 天津 300072
2 天津大学 计算机科学与技术学院, 天津 300072
提出基于超像素分割, 并联合自回归模型的深度复原方法。首先对已获取的场景彩色图进行过分割, 得到彩色图中每个像素的标号, 然后构建基于已分割彩色图像指导的自回归模型: 根据像素标号对自回归模型系数进行预测, 通过优化预测系数差错来实现深度图恢复。实验表明, 该算法不仅能有效恢复出深度图, 而且在结构边缘细节处更加突出, 优于目前主流的方法。
深度图恢复 超像素 自回归模型 系数预测 深度相机 Depth image recovery super-pixels AR model coefficients prediction depth camera. 引言
中国科学院西安光学精密机械研究所 光谱成像技术实验室, 西安 710119
为了克服传统光谱复原算法理论上的缺点, 引入了现代谱估计技术的概念和基本算法.利用两类现代谱估计方法(自回归模型和多重信号分类算法)进行干涉光谱复原, 比较了复原光谱与传统光谱复原算法的效果, 并对文中所用几种方法的局限性加以验证和说明.研究结果证明了现代谱估计方法应用于光谱复原中完全可行且性能优异, 在传感器获取的数据长度有限时可以获得更高的光谱分辨率.
干涉光谱复原 现代谱估计 自回归模型 多重信号分类算法 Interferogram spectrum reconstruction Modern spectrum estimation Auto-regressive model Multiple signal classification algorithm
西北工业大学自动化学院, 陕西 西安 710072
针对高光谱分类中对光谱信息和空间信息利用不足的问题,提出了一种基于稀疏表示模型和自回归模型相结合的分类算法。该算法利用稀疏表示模型和自回归模型,设计联合字典:在光谱维上,利用稀疏表示模型将高光谱的每个光谱向量表示为字典中训练样本的稀疏线性组合;在空间维上,利用自回归模型对每个光谱向量的8邻域进行约束。针对不同样本分别构造一个字典,在减少计算量的同时减小重构误差,最后在最小重构误差和邻域相关性的约束下求解稀疏表示问题,以最小重构误差为准则实现高光谱数据的分类。仿真结果表明,该方法能够有效地提高高光谱数据的分类精度。
遥感 高光谱 稀疏表示 自回归模型 邻域相关性 最小重构误差